本研究では、データ駆動型モデル予測制御(MPC)の自動チューニングを効率的に行うために、メタ学習アプローチ「Portfolio」を提案している。
AutoMPCは、Bayesian最適化(BO)を用いてMPCのハイパーパラメータを自動調整するが、ランダムな初期化から始めるため、探索が非効率的で不安定になる問題がある。
Portfolioは、過去のタスクから得られた信頼できる設定を利用して、BOの初期化を最適化する。これにより、新しいタスクに対してより迅速に適応し、限られた計算リソース内で望ましい解を見つけることができる。
実験では、11種類の非線形制御シミュレーションベンチマークと1つの物理的な水中ソフトロボットデータセットを用いて、Portfolioがpure BOよりも効率的かつ安定的にシステム同定チューニングを行えることを示した。さらに、Portfolioで得られた優れたモデルを用いることで、制御性能も向上することが確認された。
To Another Language
from source content
arxiv.org
ข้อมูลเชิงลึกที่สำคัญจาก
by Baoyu Li,Wil... ที่ arxiv.org 04-02-2024
https://arxiv.org/pdf/2404.00232.pdfสอบถามเพิ่มเติม